智能制造：将来的3大特征

智能制造经历了两代的发展。

第一代智能制造在20世纪80年代末由工业发达国家提出

日本于1989年提出智能制造系统（IMS），并于1994 年启动了IMS 合作研究项目；

美国于1992年大力支持包括信息技术、新的制造工艺和智能制造技术在内的关键重大技术；

欧盟于1994年启动新的研发项目，选择了39项核心技术，其中信息技术、分子生物学和先进制造技术中均突出了智能制造技术的地位；

我国对智能制造的研究与其他国家基本上同步，在专家系统、模式识别、机器人等技术方面取得了一定成果。

第一代智能制造常指基于符号智能的制造，主要表现型式为“专家系统”，应用了当时较早的人工智能（AI）技术来实现生产过程的智能化（如生产调度、在线监测、故障诊断、远程监控等），增强了制造系统的自动化、柔性化。

具体如下：

①基于规则的专家系统。采用“IF-THEN规则”这种AI技术。可利用人类专家知识与经验，形成可指导生产的知识系统，解决需要人类专家处理的复杂制造问题，实现智能决策。

②基于模糊理论的专家系统。采用“模糊理论”这种AI技术。把知识表达从传统的确定性拓展到模糊性，利用可能性理论来解决含有模糊性的生产问题。

③基于神经网络的专家系统。采用“人工神经网络”这种AI技术。引入了连接主义的思想，把知识表达从显式拓展到隐式，可通过学习获取知识，并可通过预测来指导生产。

④基于框架的专家系统。采用“框架知识表达”这种AI技术。通过框架进行知识管理和应用，拓宽了传统专家系统的知识表达和利用方式。

⑤基于案例的专家系统。采用“经验知识推理”这种AI技术。通过案例分析学习，自动解决新案例，使知识得以承传，也使专家系统具备一定的学习能力。

⑥基于Agent的专家系统。采用Agent技术。将分布式计算引入到制造中，实现了多个智能单元联合协调运作，促进了专家系统由集中式向分布式转变。

⑦基于web的专家系统。采用Web网络技术。通过网络技术促进专家系统向远程分布式转变，更好实现制造知识共享和利用。

第二代智能制造更强调深度学习、万物互联

目前正处于第二代智能制造时代，不同于第一代智能制造为以符号逻辑推理为基础，第二代智能制造则是广泛以以物联网、云计算、信息物理系统、社会信息物理系统、大数据和深度学习等新一代信息信息技术为基础，是面向个性化需求、具有“自感知、自学习、自决策、自执行、自适应”等特征的新一代智能制造。

典型的第二代智能制造比如：德国提出智能工厂（SF），采用的核心技术有物联网（IoT）、普适计算、监控技术，利用情景感知，构建IoT制造工厂，可实现实时访问各种集中和分散的制造信息，有效融合传感器信息，监控生产状态，控制生产计划，定位工具或物料位置，减少人工干预，加强信息管理和服务，实现可持续的绿色化生产。

此外，德国提出基于信息物理系统（CPS）的“工业4.0”，采用的核心技术有IoT、云计算、控制技术，且更加强调基于云计算与IoT的“控制”。目前，CPS 在制造领域的应用刚起步，主要集中在建模、概念化和利用规划等方面。

又如，我国的《智能制造发展规划（2016-2020 年）》提出，“智能制造”是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新兴生产方式。

将来的智能制造

将来，只有把新一代人工智能、信息通信技术与工业制造技术进行更为深度的融合，才能使得智能制造更为智能。将来的智能制造将具备以下3个显著的特性：

（1）泛网络化

尽管网络无处不在，如WLAN、Zigbee、固定/蜂窝通信网、传感网等，但各自在传输数据时，各种网络协议各有不同，严重制约着数据传输、采集、处理与利用的效率，甚至阻碍了智能制造系统应用与发展。

将来的智能制造，工业制造系统会根据不同的网络自动切换协议，整合各个网络资源，形成统一的或者自主的传输协议，以更好的融合知识网、人际网、物联网和务联网为一体，实现智慧制造[1]。

（2）认知计算化

将来的智能制造，在具有大数据的情况下，可基于深度学习等智能算法进行数据处理与利用，对生产进行主动预测，控制生产中的各环节；在缺少数据的情况下，可以通过自主学习，完成生产制造。

如Semaner等[2]通过多视角的时间对比网络（TNC）来实现机器人端模仿人类动作，若将这一技术应用于将来的智能制造过程中，只需对已有的加工过程进行一遍学习（少数据），便可以灵活的进行自主的加工制造，以及优化加工过程。

而对制造过程中的突发情况，具有人类思维的将来的智能制造，会根据实际情况，做出相应的调整，如更换刀具、更换设备，停工检修等。整个制造系统具有一定的认知能力，可自学习、自思考、自决策，完美实现OODA模型[3]。

（3）多功能化

将来智能制造的多功能化展现是每个领域里的智能制造系统之间，都可以直接相互交流，相互学习，使一个智能制造系统可实现多领域的制造功能，或一个领域的制造系统可直接借助其他领域的制造系统的知识实现对多个领域的制造功能，从而将可扩大智能制造系统的知识领域与应用领域。

参考文献：

[1] YAO X, JIN H, ZHANG J. Towards a wisdom manufacturing vision [J]. International Journal of Computer Integrated Manufacturing, 2015, 28(12): 1291-312.

[2] SERMANET P, LYNCH C, HSU J, et al. Time-Contrastive Networks: Self-Supervised Learning from Multi-View Observation [J]. arXiv preprint, 2017, 4(23): 1-14.

[3] YAO X, ZHOU J, ZHANG C, et al. Proactive manufacturing—a big-data driven emerging manufacturing paradigm [J]. Computer Integrated Manufacturing Systems, 2017, 23(1): 172-85.